NiMARE
一个用于神经影像学坐标与图像元分析的Python库。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：NiMARE。 它的用途是：一个用于神经影像学坐标与图像元分析的Python库。 完整的 Skill 内容见：https://321skill.com/skills/nimare/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我使用NiMARE对‘工作记忆’相关的fMRI研究进行激活似然估计（ALE）元分析，数据集我已经整理好了。”，它会引导你加载数据、配置ALE分析参数、执行计算，并最终生成显示大脑激活一致性模式的统计地图，为你的论文提供关键证据。
介绍
NiMARE（Neuroimaging Meta-Analysis Research Environment）是一个专门为神经影像学领域设计的Python库，旨在解决研究者对大量已发表的脑成像研究结果进行定量整合与分析的复杂需求。它通过提供一系列成熟的坐标基和图像基元分析方法，帮助研究者从分散的文献中发现更稳健、更普遍的脑功能活动模式。
用户可以通过pip直接安装NiMARE，并利用其提供的算法对从文献中提取的坐标点或统计图像进行元分析。库内集成了多种主流算法，如激活似然估计（ALE）、核密度分析（KDA）等，并能进行功能解码和自动文献标注等高级分析。分析结果通常以统计地图等形式呈现，便于在专业软件中可视化。
该工具主要面向神经科学、心理学和医学影像领域的学术研究者、数据分析师以及相关专业的高校学生。无论是进行系统性文献回顾、撰写综述论文，还是探索特定认知功能或疾病的神经基础，NiMARE都能提供强大的计算支持。
使用NiMARE需要用户具备一定的Python编程基础和对神经影像元分析方法的了解。建议初次使用者从官方文档和示例教程入手。对于希望使用图形界面进行文献检索和数据集构建的用户，可以结合其姊妹项目Neurosynth-Compose来使用。
核心特点
与通用统计库不同，NiMARE是神经影像元分析领域的专用工具，集成了该领域几乎所有主流算法；同时，它作为Neurostuff生态的核心，与Neurosynth等大型数据库深度集成，提供了从数据获取、处理到分析的一站式解决方案。
注意事项
不适合非神经影像领域的数据分析，且需要用户具备一定的编程能力和元分析专业知识。
常见问题
NiMARE能用来分析fMRI原始数据吗？
不能，NiMARE专门用于对已发表研究的坐标或统计图结果进行元分析，而非处理原始的脑成像数据。
没有编程基础可以使用NiMARE吗？
比较困难，建议先学习Python基础。对于图形化操作，可以尝试使用Neurosynth-Compose网站进行数据准备。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/nimare/raw/index.md 读取 NiMARE 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/nimare/raw/index.md（查看排版版本）